Baixe Modelagem e previsão do Índice de Ações com Governança Corporativa Diferenciada na Bovespa e outras Notas de estudo em PDF para Administração Empresarial, somente na Docsity!
Modelagem e previsão do Índice de Ações com Governança
Corporativa Diferenciada Bovespa
1.WANDERCI ALVES BITENCOURT^1
wab@ufla.br
2. WASHINGTON SANTOS DA SILVA^2 3. THELMA SÁFADI^3 4. LUIZ GONZAGA DE CASTRO JUNIOR^4
Resumo: Os mercados financeiros vêm apresentando uma crescente interdependência. Diante deste contexto, investidores passam a exigir determinadas características do mercado que lhes possibilitem uma melhor avaliação e uma tomada de decisão. Na tentativa de sanar essas demandas a Bovespa adotou a partir de 2001 o chamado Novo Mercado. Visto a importância dessa nova possibilidade de negociação em bolsa o presente trabalho objetiva modelar e construir um modelo de previsão para a série IGC, que representa o desempenho de uma carteira teórica composta por ações de empresas que apresentem bons níveis de governança corporativa. Nesse sentido, o modelo GARCH(1,1) mostrou-se adequado para o ajustamento e previsão da série. Palavras-chave: Novo Mercado, Previsão, GARCH
1. Introdução Os mercados financeiros vêm passando por constantes transformações, onde o intervalo entre as mudanças cada vez mais são reduzidos, devido principalmente a crescente interdependência entre os mercados mundiais. Essa maior interdependência gera externalidades tanto negativas quanto positivas, assim ao mesmo tempo em que se aumentam as incertezas, criam-se oportunidades de diluição de riscos. Diante deste contexto, investidores passam a exigir determinadas características do mercado que lhes possibilitem uma melhor avaliação e uma tomada de decisão consciente, onde o risco assumido é somente aquele desejado pelo investidor. Essas novas demandas impactam diretamente na estruturação dos mercados de valores mobiliários, principalmente após diversas perdas ocorridas no mercado nacional e internacional, ocasionadas pelo fenômeno da informação assimétrica. Assim, a
(^1) Administradora, Mestranda do Departamento de Administração/Universidade Federal de Lavras. Bolsista Capes. (^2) Profº. Dr. Centro Federal de Educação Tecnológica de Bambui. (^3) Profa. Dra. Departamento de Ciências Exatas/Universidade Federal de Lavras. (^4) Profº Dr. Departamento de Administração/Universidade Federal de Lavras
transparência nos resultados e operações das empresas passou a ser um elemento de valor para os acionistas. Para de sanar essas demandas a Bovespa (Bolsa de Valores de São Paulo) a partir de 2001 disponibiliza do chamado Novo Mercado. O Novo Mercado busca a maximização do nível de transparência das informações contábeis, além valorização dos acionistas minoritários. Isso supostamente permitiria maior valor às ações das empresas que fossem do Novo Mercado, por geram uma estrutura mais eficiente de mercado. Nesse sentido, o presente artigo busca a construção de um modelo de previsão para a série IGC (Índice de Ações com Governança Corporativa Diferenciada), Visto que o ele tem por objetivo medir o desempenho de uma carteira teórica composta por ações de empresas que apresentem níveis de governança corporativa na Bovespa.
2. Metodologia A metodologia utilizada fundamenta-se na construção de modelos univariados que se enquadram na análise de séries temporais para a previsão do IGC, no período de 2/07/2001 à 29/10/2004, totalizando 1216 dados. Há uma grande variedade de modelos aplicáveis a estudos desta natureza. Para os fins deste trabalho, optou-se por selecionar os modelos auto-regressivos (AR), aplicados à média, e modelos GARCH, para a variância, uma vez que este modelo é amplamente utilizado e vem apresentando bons resultados. Para efeito de análise, do número total de observações 1216, 1183 ficaram dentro da amostra e foram deixadas as 33 observações restantes para análises fora da amostra. Esse procedimento possibilita comparações sobre a acurácia do modelo para as observados dentro e fora da amostra. 2.1 Modelo GARCH ( General Autoregressive Conditional Heteroscedasticity ) Proposto por Bollerslev (1986), o modelo GARCH (p,q) estende a formulação ARCH permitemitindo uma memória mais longa e uma estrutura de defasagens para a variância mais flexível. Um modelo GARCH (p,q) é definido por:
onde q > 0, p ≥ 0, α 0 > 0, αi ≥ 0, (i = 1,...,q), e βi ≥ 0, (i = 1,...,p). 2.2. Medidas de previsão Dadas algumas observações passadas do comportamento de alguns sistemas, surge a questão de como fazer previsões sobre o comportamento futuro e quão precisas essas previsões podem ser. Nesse sentido, objetivou-se avaliar a capacidade preditiva do modelo proposto. A previsão permite maior avaliação sobre o risco a ser incorrido,
Após ter a série dos retornos o primeiro passo consiste em ajustar um modelo ARMA (p,q) à série de retornos, para eliminar a correlação serial entre as observações. A analise da função de autocorrelação revela significância nos lag’s 1 e 9, sendo que para o modelo inicial considerou-se um modelo AR (9) completo, contudo, o ajustamento do modelo, obteve vários coeficientes não são significativos, a um nível de 5%. Então modelo-se o modelo incompleto, somente com os coeficientes de AR(1) e AR(9), sem o intercepto. Assim o modelo obtido foi: Y (^) t = 0.099190Y (^) t-1 – 0.058863Y (^) t-9 + Xt (1) Análise de resíduos do modelo (1) fornece Q(20) = 17.423 com P-valor igual a 0.494, indicando que o modelo (1) eliminou a correlação seria da série de retornos diários. A analise da função de autocorrelação para os resíduos do modelo ao quadrado, que é aqui utilizado como uma aproximação da variância, forneceu indícios da presença do Efeito ARCH na série, tal fato que foi confirmado através da aplicação do teste LM- ARCH (Multiplicador de Lagrange). O que sugere a utilização de modelos heterocedasticos para a modelagem da série do IGC. A função de autocorrelação parcial indica a ordem do modelo como sendo um possível GARCH(1,1). Após o ajuste do modelo GARCH (1,1), o coeficiente do AR(9) deixa de ser significativo, sendo assim o modelo final será: Yt = 0.091895 (^) t-1 + Xt ht = 3.08E-06 + 0.027124Xt^2 t-1 + 0.955169h (^) t-1 (2) Testes para verificação do ajustamento do modelo forneceram indicativos de que o modelo é adequado para a série dos retornos do IGC, pois seu resíduo pode ser considerado um ruído branco. A avaliação através da estatística U-Theil, que compara o modelo proposto com o modelo de passeio aleatório simples, assim, se a estatística for maior que um o modelo é satisfatório, pois U<1. As medidas do erro, tanto do MAE como do RMSE, foram pequenas para previsões dentro e fora da amostra, mas mostrou-se um pouco menor para os valores dentro da amostra.
4. Considerações Finais A questão da governança corporativa é um tema que vem abordado nos últimos anos, principalmente, pelo fato de que, em essência, sua fundamentação básica consubstancia-se na minimização dos problemas de agência. Pode ser observado através
das analises que os investidores estão dispostos a pagar um premio pela maior transparência, e que o índice apresenta uma tendência positiva para os seus preços. Para os agentes do mercado é fundamental a utilização de ferramentas que possibilitem, mesmo de forma não totalmente perfeita, a previsão do comportamento futuro dos ativos no qual ele utiliza, pois isto possibilita uma gestão ativa de risco mais sólida. Neste sentido o modelo aqui propostos tornam-se útil. O modelo de previsão ajustado para o IGC, o modelo GARCH mostrou-se adequado em captar o comportamento das séries dos retornos, tal como que é largamente sugerido para literatura estes modelos são indicados para as séries financeiras por apresentarem fatos estilizados e apresentando boa capacidade preditiva, assim, esses poderão ser utilizados caso os índices propostos sejam aceitos e futuramente trabalhados pelo mercado.
5. Referencias Bibliográficas BOVESPA – BOLSA DE VALORES DE SÃO PAULO. Níveis Diferenciados de Governança Corporativa. Disponível em: http://www.bovespa.com.br. Acessado em: 24/01/2003. ENGLE, R. F. Autoregressive Conditional Heteroskedasticity With estimates of the Variance of the United Kingdom Inflation. Econometric , v.50, p. 987-1007, 1982. BOLLERSLEV, T. Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometric s , v. 31, p. 307-328, 1986. GUJARATI, D.N. Econometria Básica. São Paulo: Makron Books, 2000. p.
- 846 p. LIMA, I.S.; YANANOTO, M.M.; BATISTELLA, F.D e.; IKEDA, R.H. Uma análise dos primeiros passo do mercado novo. In.: Anais 2º Seminário USP de contabilidade , São Paulo, 2002. Disponível em: http://www.eac.fea.usp.br/ congressousp/seminario2/. Acessado m: 15/10/2006. MORETTIN, A.P.; TOLOI, C.M.C. Análise de Séries Temporais. São Paulo: BLÜCHER, 2004. p. 344. 535 p.
